Bagisto项目中ThemeDataGrid查询优化实践
2025-05-12 13:37:39作者:廉皓灿Ida
问题背景
在Bagisto电商平台项目中,当用户尝试删除特定主题的所有翻译记录时,发现该主题在数据网格(DataGrid)中不再显示。这是一个典型的查询优化问题,涉及到数据库表连接方式和查询逻辑的设计。
技术分析
原始查询的问题
原始查询使用了内连接(INNER JOIN)来关联theme_customizations和theme_customization_translations表。这种连接方式有一个重要特性:只有当连接条件满足时,才会返回记录。这意味着:
- 如果某个主题的所有翻译记录都被删除
- 那么
theme_customization_translations表中将没有对应记录 - 内连接会导致该主题不会出现在查询结果中
解决方案
将内连接改为左连接(LEFT JOIN)是解决这个问题的正确方式。左连接的特点是:
- 保留左表(
theme_customizations)中的所有记录 - 即使右表(
theme_customization_translations)中没有匹配记录 - 仍然会返回左表记录,右表字段值为NULL
优化后的查询
优化后的查询结构如下:
$queryBuilder = DB::table('theme_customizations')
->distinct()
->leftJoin('theme_customization_translations', function ($leftJoin) use ($whereInLocales) {
$leftJoin->on('theme_customizations.id', '=', 'theme_customization_translations.theme_customization_id')
->whereIn('theme_customization_translations.locale', $whereInLocales);
})
->join('channel_translations', function ($leftJoin) use ($whereInLocales) {
$leftJoin->on('theme_customizations.channel_id', '=', 'channel_translations.channel_id')
->whereIn('channel_translations.locale', $whereInLocales);
})
->select(
'theme_customizations.id',
'theme_customizations.type',
'theme_customizations.sort_order',
'channel_translations.name as channel_name',
'theme_customizations.status',
'theme_customizations.name as name',
'theme_customizations.theme_code',
'theme_customizations.channel_id'
);
深入理解
表连接类型的选择
在数据库查询中,连接类型的选择直接影响查询结果:
- 内连接(INNER JOIN):只返回两表中匹配的记录
- 左连接(LEFT JOIN):返回左表所有记录,右表不匹配则为NULL
- 右连接(RIGHT JOIN):返回右表所有记录,左表不匹配则为NULL
- 全连接(FULL JOIN):返回两表所有记录,不匹配则为NULL
多语言表设计考量
在多语言系统中,翻译表通常与主表分开设计。这种设计需要考虑:
- 主表存储不依赖语言的通用信息
- 翻译表存储语言相关的字段
- 查询时需要合理连接这些表
性能影响
虽然左连接可以解决这个问题,但也需要考虑:
- 左连接通常比内连接性能稍差
- 需要确保查询条件优化得当
- 对于大数据量表,可能需要额外索引
最佳实践建议
- 明确业务需求:首先确定是否真的需要显示无翻译记录的主题
- 合理使用连接:根据业务逻辑选择适当的连接类型
- 测试覆盖:确保测试用例覆盖各种翻译状态(有翻译、无翻译、部分翻译)
- 性能监控:对修改后的查询进行性能监控
- 文档记录:在代码注释中说明连接选择的原因
总结
在Bagisto项目中,通过将主题数据网格查询从内连接改为左连接,解决了删除所有翻译后主题不显示的问题。这个案例展示了在数据库查询设计中,连接类型选择对业务逻辑实现的重要性。开发者在处理类似的多语言系统查询时,应当仔细考虑各种连接类型的特性和适用场景,以确保系统行为符合业务预期。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1